《表3 人工神经网络模型汇总》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《Logistic回归与人工神经网络应用于重度颅脑损伤继发认知功能障碍的预测评判》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（1） 基本预测模型:经完善多层感知器神经网络设置，并由网络自动优化决定隐含层的层数和神经元数。收集与重度TBI患者相关的潜在影响因素作为网络模型输入变量，将是否继发认知功能障碍作为输出变量。本研究共有179例研究对象、23例验证对象，分别被纳入训练样本及测试样本。经人工神经网络分析，与继发认知功能障碍相关的影响因素（自变量），排序靠前的依次为:年龄（100%）、手术耗时>4 h（80.33%）、吸烟史（71.51%）、监护室住院时间（67.04%）、NSE（63.69%），最终神经网络建模模型汇总见表3。（2）预测结果评价:现已获知验证对象的不良预后情况，将验证对象相关因素的具体数值代入上述公式中，依据公式的预测结果对比实际预后情况，从而评判人工神经网络分析的预测准确率，最终人工神经网络模型分类见表4。通过ROC曲线对人工神经网络预测模型进行整体检验，相关参数:AUC=0.897，95%CI=0.728-1.000，P<0.05。经ROC曲线评判，该预测模型对继发认知功能障碍的预测效果较好，详情见图2。